Nvidia представила программное обеспечение и модели с открытым исходным кодом, призванные облегчить использование искусственного интеллекта и сложных данных для создания систем прогнозирования погоды. Новая платформа Earth‑2 («Земля-2») включает в себя погодные модели на основе ИИ для создания более точных двухнедельных прогнозов и получения краткосрочных сводок на ближайшие шесть часов о штормах и других погодных аномалиях.

Компьютер месяца, спецвыпуск: эпоха отката, или Как дефицит чипов памяти влияет на выбор железа для игрового ПК

Обзор Ryzen 7 9850X3D: три процента за двадцать баксов

Ryzen и 16 Гбайт DDR5: как сэкономить на памяти так, чтобы не лишиться 15 % производительности

Обзор ноутбука HONOR MagicBook X16 2026: как раньше, только лучше

Обзор Samsung Galaxy Z TriFold: тройной складной смартфон по цене квартиры в Воркуте

Источник изображения: Nvidia

ИИ стал основой революции в предсказаниях погоды, которые начинают заменять прогнозы, долгое время генерируемые суперкомпьютерами. Новые модели искусственного интеллекта, которые выявляют закономерности в огромных наборах данных об атмосферных условиях вместо воссоздания сложной физики атмосферы, оказались более точными, чем традиционные методы прогнозирования погодных условий.

Самая дорогая публичная компания в мире предлагает технологию, которая, как она надеется, устранит препятствия на пути внедрения ИИ в экономику в целом. Чипы и компьютеры Nvidia стали одной из основных статей расходов на новую инфраструктуру для поддержки рабочих нагрузок искусственного интеллекта. Моделирование погоды и климата является долгосрочным интересом компании из-за высоких требований к вычислениям.

Поставщики энергии и другие предприятия в чувствительных к погодным условиям секторах, таких как судоходство, страхование и сельское хозяйство, активно внедряют прогнозирование погоды с помощью искусственного интеллекта, чтобы сохранить лидерство в своих отраслях.

Nvidia заявила, что технология «Земля-2» предоставит пользователям более удобный способ создания индивидуальных прогнозов с использованием её ИИ-моделей, которые, по словам компании, конкурируют с моделями, выпущенными государственными метеорологическими агентствами и DeepMind от Google. Платформа Earth‑2 располагает новой моделью обработки начальных условий, таких как карты температуры, ветра и давления воздуха на планете, необходимых для запуска пользовательских прогнозов.

Компания также заявила, что прогнозы, генерируемые её инструментами, можно создавать независимо, что позволяет правительственным учреждениям и компаниям полностью контролировать этот процесс. Используемое программное обеспечение имеет открытый исходный код, что означает, что его можно свободно копировать или адаптировать под свои нужды.

Учёные Кембриджского университета представили Aardvark Weather — ИИ-систему для прогнозирования погоды, которая позволяет формировать как глобальные, так и локальные прогнозы за считанные минуты с использованием обычного настольного компьютера. В сравнении с традиционными подходами, Aardvark обеспечивает предсказания в десятки раз быстрее и при этом требует в тысячи раз меньше вычислительных ресурсов.

Обзор ноутбука HONOR MagicBook X16 2026: как раньше, только лучше

Обзор Ryzen 7 9850X3D: три процента за двадцать баксов

Обзор Samsung Galaxy Z TriFold: тройной складной смартфон по цене квартиры в Воркуте

Компьютер месяца, спецвыпуск: эпоха отката, или Как дефицит чипов памяти влияет на выбор железа для игрового ПК

Ryzen и 16 Гбайт DDR5: как сэкономить на памяти так, чтобы не лишиться 15 % производительности

Источник изображения: Brian McGowan / Unsplash

Aardvark Weather была разработана в Кембриджском университете (University of Cambridge) при участии Института Алана Тьюринга (The Alan Turing Institute), Microsoft Research и Европейского центра среднесрочных прогнозов погоды (ECMWF). Скорость и эффективность метеорологических моделей имеют решающее значение: традиционные методы опираются на ресурсоёмкие суперкомпьютеры и труд множества специалистов, тогда как формирование прогноза зачастую занимает несколько часов. В этом контексте Aardvark демонстрирует принципиально новый подход, устраняя необходимость в громоздкой инфраструктуре.

Последние разработки таких технологических гигантов, как Huawei, Google и Microsoft, показали, что ИИ способен значительно улучшить отдельные компоненты метеорологического моделирования. Особенно важными стали достижения в области алгоритмов, моделирующих динамику атмосферы во времени. Интеграция ИИ в эти процессы уже привела к ускорению расчётов и повышению точности метеопрогнозов.

Яркий пример — компания Google, разрабатывающая модели на базе ИИ и предлагающая два таких решения корпоративным клиентам своей облачной платформы. Эти модели, созданные исследователями лаборатории Google DeepMind, используют исторические метеоданные и позволяют предсказывать погодные условия на срок от 10 до 15 дней вперёд.

В отличие от гибридных подходов, Aardvark полностью заменяет традиционную многоступенчатую схему прогнозирования единой моделью машинного обучения (ML). Используя стандартный настольный компьютер, система обрабатывает данные из различных источников, включая спутники и метеостанции, и формирует прогнозы в течение нескольких минут.

Профессор Ричард Тёрнер (Richard Turner) с инженерного факультета Кембриджского университета, возглавивший исследование, заявил: «Aardvark переосмысливает существующие методы прогнозирования погоды, позволяя получать прогнозы быстрее, дешевле, гибче и точнее, чем когда-либо прежде. Aardvark в тысячи раз быстрее всех прежних методов прогнозирования погоды». В перспективе Aardvark сможет формировать прогнозы на 8 дней вперёд с высокой степенью точности, что на 3 дня превышает горизонт современных систем.

Несмотря на то, что система использует лишь часть объёма данных, задействованных в традиционных моделях, Aardvark демонстрирует результаты, превосходящие показатели американской Национальной системы прогнозирования (GFS) по нескольким ключевым метрикам. При этом она остаётся сопоставимой по точности с прогнозами Национальной метеорологической службы США (NWS), где обычно применяется комбинация моделей и экспертный анализ.

Источник изображения: NASA

По словам Анны Аллен (Anna Allen), первого автора исследования из факультета компьютерных наук и технологий Кембриджского университета, реализованный в системе подход сквозного машинного обучения может быть легко адаптирован для решения других задач климатического моделирования — от прогнозирования ураганов, торнадо и лесных пожаров до оценки качества воздуха, динамики океанических течений и предсказания морского льда.

Одним из наиболее примечательных свойств Aardvark является её архитектурная простота и высокая гибкость. Благодаря тому что система обучается напрямую на метеоданных, она может быть быстро перенастроена для формирования индивидуализированных прогнозов, адаптированных под конкретные отрасли или регионы. Это может быть, например, прогноз температуры для сельского хозяйства в Африке или прогноз скорости ветра — для европейских компаний, работающих в сфере возобновляемой энергетики. Такой подход кардинально отличается от традиционных систем, настройка которых требует многолетней работы крупных команд специалистов.

Подобная адаптивность может стать решающим фактором для стран с ограниченным доступом к вычислительным ресурсам и метеоданным. Как подчёркивает доктор Скотт Хоскинг (Scott Hosking) из Института Алана Тьюринга, перенос метеопрогнозирования с суперкомпьютеров на настольные машины делает высокоточные прогнозы доступными в развивающихся странах и регионах с дефицитом данных.

Следующим этапом проекта станет формирование новой исследовательской группы на базе Института Алана Тьюринга. Её задачей станет изучение возможностей внедрения технологии в странах Глобального Юга, а также интеграция Aardvark в более масштабные инициативы по экологическому прогнозированию.

Google DeepMind разработала новую модель прогнозирования погоды с помощью искусственного интеллекта (ИИ) GenCast, которая превосходит традиционные метеорологические методы по прогнозированию погоды на срок до 15 дней и, к тому же, точнее предсказывает экстремальные погодные явления.

Обзор ноутбука HONOR MagicBook X16 2026: как раньше, только лучше

Обзор Ryzen 7 9850X3D: три процента за двадцать баксов

Ryzen и 16 Гбайт DDR5: как сэкономить на памяти так, чтобы не лишиться 15 % производительности

Обзор Samsung Galaxy Z TriFold: тройной складной смартфон по цене квартиры в Воркуте

Компьютер месяца, спецвыпуск: эпоха отката, или Как дефицит чипов памяти влияет на выбор железа для игрового ПК

Источник изображения: NOAA/unsplash.com

ИИ-модель GenCast рассматривает вероятность реализации нескольких сценариев для точной оценки тенденций — от выработки энергии ветра до перемещения тропических циклонов. Вероятностный метод GenCast является новым рубежом в использовании ИИ для обеспечения более качественных и быстрых ежедневных прогнозов погоды. Этот подход всё чаще используют крупные метеослужбы, пишет Financial Times.

«Это знаменует собой своего рода переломный момент в развитии ИИ для прогнозирования погоды, поскольку современные необработанные прогнозы теперь поступают из моделей машинного обучения», — отметил Илан Прайс (Ilan Price), научный сотрудник Google DeepMind. Он добавил, что GenCast может быть включен в оперативные системы прогнозирования погоды, что позволит метеорологам лучше понимать тенденции и готовиться к предстоящим погодным явлениям.

Новизна подхода GenCast в сравнении с предыдущими моделями машинного обучения заключается в использовании так называемых ансамблевых прогнозов, представляющих различные результаты, — метода, применяемого в современном традиционном прогнозировании погоды. Для обучения GenCast использовалась накапливавшаяся в течение четырёх десятилетий база данных Европейского центра среднесрочного прогнозирования погоды (ECMWF).

Согласно публикации в Nature, модель GenCast превзошла 15-дневный прогноз ECMWF по 97,2 % из 1320 переменных, таких как температура, скорость ветра и влажность. Таким образом она превзошла по точности и охвату ИИ-модель GraphCast от Google DeepMind, представленную в прошлом году. GraphCast превзошла прогнозы ECMWF на 3–10 дней вперед примерно по 90 % показателей.

Модели прогнозирования погоды на основе ИИ работают гораздо быстрее стандартных методов прогнозирования, которые полагаются на огромную вычислительную мощность для обработки данных. GenCast может сгенерировать свой прогноз всего за восемь минут, тогда как на составление прогноза с помощью традиционных методов уходят часы.

По словам исследователей, ИИ-модель GenCast может быть дополнительно улучшена в части способности предсказания интенсивности крупных штормов. Также может быть увеличено разрешение её данных, чтобы соответствовать обновлениям, сделанным в этом году ECMWF.

ECMWF назвал разработку GenCast «важной вехой в развитии прогнозирования погоды». Центр также сообщил, что интегрировал «ключевые компоненты» подхода GenCast в версию своей собственной системы прогнозирования ИИ с ансамблевыми прогнозами, доступную с июня.